考虑V2G的混合配电网鲁棒低碳调度方法、介质及系统

技术领域

本发明涉及电网调度运行技术领域，尤其涉及一种考虑V2G的混合配电网鲁棒低碳调度方法、介质及系统。

背景技术

随着现代化工业的大规模发展，现代社会对化石能源的需求也越来越大，但是能源缺乏的问题也日益突出。同时，传统一次能源的消耗往往也伴随着较严重的环境污染，例如空气污染，引发全球气温上升、雾霾等现象给地球生态环境造成比较恶劣的影响。目前在世界各国的共同努力下，风机(wind turbine，WT)与光伏(photovoltaic，PV)的装机容量正在逐年增长，且充分利用风光资源能减少对化石能源的消耗。电动汽车(ElectricVehicle，EV)作为积极响应国家低碳发展战略的一种交通工具，其发展规模持续扩大，并且与电力系统有非常紧密的联系。根据电动汽车的运行特性与时空分布规律，电动汽车可以分散式地接入到配电网中各区域中的充电桩中，再结合电动汽车入网技术(vehicle-to-grid，V2G)实现车网双向互联互动，电动汽车可作为一种负荷调节资源来缓解用电高峰时段的压力并充分利用低谷电价期的过剩电能。于是在配电系统中接入分布式可再生能源机组与电动汽车等多元化源荷形态，是构建未来新型配电系统的关键环节，且对整个社会实现可持续发展有重要的影响。

为使EV充放电能参与到配电网削峰填谷、新能源消纳等运行过程中，可以在优化目标函数中从经济效益等角度对EV进行调控，例如设置分时电价来促使EV选择总体经济最优的充放电时段，从而实现电网与EV用户侧的优化调度。

混合交直流配电网目前正在逐渐发展成为配电网的一种重要的运行结构，可以使配电网调度更为灵活。尤其是对于电动汽车而言，交流慢充或者直流快充充电桩可以便捷地接入到混合交直流配电网，减少了电网中的交直流转换。同样，也能充分调动各类分布式电源，实现各类资源的灵活利用。

目前关于可参与V2G的电动汽车调度研究大多基于微网层面或者交流配电网，但EV的运行调控也兼容混合交直流配电网，且同时能够灵活接入多种负荷与分布式电源，可提高新能源的利用效率。在考虑EV与新能源灵活接入电网的同时，也需要分析整个混合交直流配网的低碳特性。

发明内容

本发明实施例提供一种考虑V2G的混合配电网鲁棒低碳调度方法、介质及系统，以解决现有技术在考虑EV与新能源灵活接入电网的同时，未考虑整个混合交直流配电网的低碳特性，导致安全低碳性较差的问题。

第一方面，提供一种考虑V2G的混合配电网鲁棒低碳调度方法，包括：

步骤S1：构建考虑交直流混合配电网整体运行成本的目标函数；

步骤S2：确定所述目标函数的约束条件；其中，所述约束条件包括：交直流混合配电网基础运行模型和交直流混合配电网中电动汽车低碳调度模型；

步骤S3：基于所述目标函数和所述约束条件，计及风、光、交流负荷和直流负荷的不确定性，构建两阶段鲁棒低碳调度模型；

步骤S4：确定所述两阶段鲁棒低碳调度模型求解的主问题和子问题；

步骤S5：求解所述两阶段鲁棒低碳调度模型的主问题和子问题，得到配电网经济调度优化结果，以用于配电网调度。

第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如上述第一方面实施例所述的考虑V2G的混合配电网鲁棒低碳调度方法。

第三方面，提供一种考虑V2G的混合配电网鲁棒低碳调度系统，包括：如上述第二方面实施例所述的计算机可读存储介质。

这样，本发明实施例，基于交直流混合配电网，灵活接入分布式电源与EV，提出考虑电动汽车响应V2G的交直流混合配电网鲁棒低碳调度模型，兼顾EV调度策略中的经济性、低碳性，更合理地考虑了交直流混合配电网调度运行时可再生能源和电力负荷的不确定性，提高配电网的安全低碳性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的考虑V2G的混合配电网鲁棒低碳调度方法的流程图；

图2是本发明实施例的考虑V2G的混合配电网鲁棒低碳调度方法的求解框架示意图；

图3是VSC换流站等效模型；

图4是IEEE33交直流混合配电网实施例图；

图5是算例2-4的总负荷与基础负荷；

图6是算例4中EV交直流充电桩充放电功率。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种考虑V2G的混合配电网鲁棒低碳调度方法。

如图1和2所示，该方法包括以下的步骤：

步骤S1：构建考虑交直流混合配电网整体运行成本的目标函数。

该目标函数主要包括以下几个部分日内的配电网运行成本，即配网向主网购电的费用、EV放电损耗补偿成本、弃风弃光惩罚成本、配电网中碳排放相关成本，以及，配电网网损惩罚成本。

具体的，该目标函数如下：

min C

其中每一具体费用/成本通过如下的算式计算得到：

其中，C

步骤S2：确定目标函数的约束条件。

其中，约束条件包括：交直流混合配电网基础运行模型和交直流混合配电网中电动汽车低碳调度模型。

具体的，交直流混合配电网基础运行模型包括：交流配电网潮流约束、直流配电网潮流约束、系统安全约束、VSC换流站稳态运行约束、DG运行约束、配网与主网的功率交换约束、可适用于交流与直流两种配电网的电容器CB运行约束和配电网中的碳交易约束。其中，针对交直流混合配电网潮流约束，采用DistFlow潮流方程来表示，且可适用于交流与直流两种配电网。

上述的各约束具体如下：

(1)交流配电网潮流约束包括：

交流配电网中DistFlow支路有功潮流约束与支路无功潮流约束，分别用式(7)-(8)表示；交流配电网节点电压降落约束，用式(9)表示；以及，交流支路电流约束，用转化为二阶锥松弛后的表达式的式(10)表示。

其中，b(j)为以节点j为起始节点的所有子节点的集合；

(2)直流配电网潮流约束包括：

其中，

(3)系统安全约束包括：

潮流的上下限约束，用式(14)-(15)表示，节点电压的上下限约束，用式(16)表示，以及，支路电流的上下限约束，用式(17)表示。

其中，上标max和min分别对应变量的最大值和最小值。

(4)VSC换流站运行约束包括：

模型中VSC换流站等值为内部等值阻抗与理想VSC，如图3所示。稳态运行时，VSC支路两侧的交直流功率转换如式(18)-(19)所示。VSC稳态运行时，其两侧电压应满足如式(20)所示的约束。式(21)表示VSC功率容量的约束。式(22)表示VSC无功功率上下限约束。

其中，

(5)DG运行约束包括：

风机和光伏的输出功率不超过每个时段的预测功率。风机采用不同控制方式时，其功率约束不同，模型中风机采用恒定功率因数的控制方式。相关约束如式(23)-(25)所示。

其中，

(6)配网与主网的功率交换约束包括：

式(26)-(27)分别描述配网与主网进行有功与无功功率交换的上下限约束。

(7)电容器CB运行约束包括：

电容器CB无功补偿功率满足式(28)；且单节点上的静CB数量满足式(29)；每个调度周期内每个CB可调节次数满足式(30)所示的约束。

其中，Q

(8)碳排放约束包括：

由于配电网中电能主要是购买自主网，因此配电网碳排放可以等效来自于主网的火电机组。配电网购电量伴随的碳排放量可用式(31)计算。

其中，ε

采用基准线法给电力机组分配免费的碳排放额度。等效的碳排放配额约束如下：

式中，e

实际碳排放量与免费碳配额之差可计算出可交易碳配额

具体的，交直流混合配电网中电动汽车低碳调度模型包括：EV出行特性的概率约束、EV交直流充放电约束和EV的碳配额计算约束。

上述的约束具体如下：

(1)EV出行特性的概率约束：

电动汽车的行驶开始时刻服从正态分布，电动汽车的行驶开始时刻的概率分布如式(34)所示。

其中，x为时间；μ

电动汽车的行驶结束时刻服从正态分布，电动汽车的行驶结束时刻的概率分布如式(35)所示。

其中，μ

根据(34)-(35)可以确定充放电的时间区间[t

电动汽车的日行驶里程服从对数正态分布，电动汽车的日行驶里程的概率分布如式(36)所示。

其中，μ

结合电动汽车用户的出行特性，可以表示出电动汽车的无序充电时长

其中，

(2)EV交直流充放电约束

在交直流混合配电网中投建有电动汽车充电桩，考虑到直流充放电与交流充放电的差异，构建了电动汽车交直流充放电模型。式(38)为电动汽车的充放电模式选择，即EV必定是选择直流或交流其中一种充放电模式；式(39)表示EV的充电互斥约束，即充电和放电不能同时发生；式(40)为EV电池荷电状态平衡约束，在任意时段EV电池充放电时都应满足这一条件；EV电池SOC在一定范围内进行充放电会有助于延缓电池老化，可用式(41)描述EV电池SOC安全约束；式(42)描述每辆EV在其可调度时间内充电，且需要在驶离充电站时使EV电池容量达到期望值；式(43)表示EV电池充放电功率约束，在直流和交流两种模式下的充放电功率；式(44)表示电动汽车充放电功率上下限约束；式(45)表示EV充电桩单位时间充放电有功功率。

其中，

(3.3)EV的碳配额约束

量化EV中电能来源于清洁能源的比例，假定电网所有负荷都会消纳清洁能源与常规机组产生的电能，通过计算配电网中常规机组发电量比例可进一步计算电动汽车碳排放。常规机组的发电比例计算约束如式(46)所示。通过计算EV行驶单位距离的充电量得出EV在配网中等效的碳排放，如式(47)所示。根据燃油汽车行驶单位距离的能耗得到燃油汽车的碳排放强度，如式(48)所示。两者时间的碳排放差值可以表示为EV在t时段的碳配额，如式(49)所示。

其中，β

步骤S3：基于目标函数和约束条件，计及风、光、交流负荷和直流负荷的不确定性，构建两阶段鲁棒低碳调度模型。

该步骤通过计及风、光、交流负荷和直流负荷的不确定性，构建两阶段鲁棒低碳调度模型，将上述目标函数和约束条件表征的非线性的含V2G的交直流混合配电网调度模型转化为混合整数二阶锥规划问题。具体的，该步骤包括如下的过程：

(1)构建风、光出力以及直流、交流负荷的不确定性合集，最大安全违规值，以及，交直流功率平衡约束。

不确定性建模：模型中风、光出力以及直流、交流负荷涉及到不确定变量处理。一般地，模型选择具有明确上下边界的闭区间合集作为不确定参数的合集，如式(50)所示，不确定参数的取值在闭区间以内。

其中，U为风、光出力以及直流、交流负荷的不确定集；

引入不确定性预算Δ

其中，

为保证配电系统运行的安全性，采用一个双层max-min问题(52)来表示在不确定性运行下电网最大安全违规场景，假设这个最大安全违规值ΔD需不大于预先设定的系统允许的违反安全阈值ε。并且，通过引入松弛变量v

v

其中，(·)

(2)将考虑交直流混合配电网整体运行成本的目标函数及约束条件，风、光出力以及直流、交流负荷的不确定性合集，最大安全违规值，以及，交直流功率平衡约束进行简写，得到两阶段鲁棒低碳调度模型。

可以将提出的优化问题表示为简化形式的两阶段鲁棒低碳调度模型，如(56)-(58)所示。第一阶段为求解基础场景调度问题，将目标函数(1)-(6)表示为简写形式，如式(57)所示；并将基础场景下的运行约束(7)-(49)简写为如式(57)所示的形式。第二阶段保证系统在不确定性合集内的安全性，即造成系统不安全的最恶劣场景下失负荷与弃风弃光不大于预先设定的阈值ε，模型中表示为(58)，对应式(51)-(56)的简写形式。

具体的，两阶段鲁棒低碳调度模型包括：

Ax+By≤b (57)

其中，x为燃气轮机相关的机组启停状态；y、z分别为基础场景和根据系统不确定参数调整的机组出力；u为与不确定性相关的变量；A、B、C、D、E、F、G、H

步骤S4：确定两阶段鲁棒低碳调度模型求解的主问题和子问题。

具体的，两阶段鲁棒低碳调度模型的主问题为求解基础场景调度问题，可以将约束生成CCG(column and constraint generation)算法的主问题，表示为式(59)所示的形式，其目标函数为最小化基础场景的配电网运行成本。具体意义为持续地把从约束生成CCG算法的子问题中辨识出的最恶劣运行场景下风、光出力

主问题：

具体的，两阶段鲁棒低碳调度模型的子问题为求解最恶劣运行场景的运行结果。约束生成CCG算法的子问题在得到主问题的优化结果x*与y*后，求解最恶劣运行场景的运行结果，可采用式(60)表示子问题：

子问题：

步骤S5：求解两阶段鲁棒低碳调度模型的主问题和子问题，得到配电网经济调度优化结果，以用于配电网调度。

具体的，该步骤包括如下的过程：

步骤S51：初始化迭代次数w＝0，设置系统允许的违反安全阈值ε。

步骤S52：求解两阶段鲁棒低碳调度模型的主问题。

步骤S53：若有解，则更新系统机组启停状态x和机组出力安排y。

应当理解的是，若无解，则停止迭代。

步骤S54：根据步骤S53得到的系统机组启停状态x和机组出力安排y，求解两阶段鲁棒低碳调度模型的子问题，得到导致最大可能违反安全规定值的最恶劣场景下的风力和光伏出力

步骤S55：判断第w次迭代下违反安全阈值ε是否满足要求。

即第w次迭代得到的最大安全违规值是否小于ε。

步骤S56：若满足，则停止迭代并输出步骤S53得到的系统机组启停状态x和机组出力安排y作为配网经济调度优化结果。

即第w次迭代得到的最大安全违规值小于ε，则停止迭代。

步骤S57：若不满足，则把步骤S54得到的最恶劣场景下的风力和光伏出力

应当理解的是，上述求解的过程可以在商业求解器中进行，例如采用商业求解器Gurobi进行求解。应用时，将前述步骤的目标函数、约束条件等涉及的参数，包括：交直流混合配电网系统数据、运行参数，以及新能源预测数据，电动汽车的设备参数、运行模拟数据等，输入到商业求解器中，在商业求解器内进行该步骤求解。

最终求解得到的系统机组启停状态x和机组出力安排y，可用于指导交直流混合配电网的调度。

本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如上述实施例所述的考虑V2G的混合配电网鲁棒低碳调度方法。

本发明实施例还公开了一种考虑V2G的混合配电网鲁棒低碳调度系统，包括：如上述实施例所述的计算机可读存储介质。

下面通过具体应用例对本发明实施例的技术方案做进一步说明。

(1)算例介绍。

算例选用修改的交直流混合IEEE33节点系统，如图4所示。算例中采用24h为一个调度周期，以1h为单位调度时间跨度。燃气机组配置在配电网6节点上。在配电网中配置有清洁能源机组，分别有2个风电机组与2个光伏机组，风电机组接在交流配电网节点21、25上，光伏接在直流配电网上，其位置在节点14、32上。在配电网中，有两个VSC换流站分别连接交流配电网并形成了两个直流子配电网。

对于本算例中考虑的私家车，假设所有电动汽车的类型一致，每辆EV的电池容量为40kW·h，每百公里耗电18kW·h。EV初始电池容量SOC满足正态分布N(0.55,0.03)，且EV电池的充电期望SOC为0.9。接入到在交流配电网中，EV采用传统的交流慢充模式，最大充电功率为7kW，放电功率最大为4kW；接入到直流配电网中，EV采用直流快充模式，最大充电功率为20kW，放电功率最大为10kW。配电网中采用交流慢充与直流快充的EV数量比例为7:3。

(2)实施例场景描述。

为了验证本发明提出的考虑碳排放与电动汽车的运行调度给交直流混合配电网带来的影响，本算例选取以下4个场景进行计算、分析。

算例1：考虑电动汽车的无序充电模式。

算例2：考虑电动汽车的有序充电模式。

算例3：在算例2的基础上考虑电动汽车中有60％参与V2G响应。

算例4：在算例3的基础上考虑碳排放。

(3)实施例结果分析。

采用有序充电模式时，可以根据目标函数对EV进行调度，从而通过控制策略避免EV用户在负荷高峰时段进行大量的EV充电，并转移到负荷低谷时段充电，以减小负荷峰谷差。算例中，算例2-4中采用有序充电的形式，现对包括EV负荷的配电网总负荷绘制日内负荷变化折线图，如图5所示。可以看出在不同的模式下算例2-4负荷的呈现结果也不一样。当电动汽车采用有序充电模式，或者电动汽车可响应V2G能极大地减小配电网负荷峰谷差。通过计算，基础电负荷峰谷最大差值为2.08MW。由图6可知，算例1中EV无序充电加大了配电网中的峰谷负荷差，其最大差值达到了2.30MW。而采用有序充电模式，可以看到峰谷差明显减小，其中，算例2的最大峰谷差为1.87MW，算例3的最大峰谷差为1.21MW。但由于算例1-4中新能源的渗透率不高，碳交易对整个系统成本的影响比重不够大，算例4的变化幅度相对较小，最大峰谷差为1.17MW，相对于算例3也有一定程度的改善。因此可以得出，本发明提出的考虑碳排放的电动汽车交直流有序充电模型具有一定的负荷峰谷差调节作用。

据算例4中的计算结果，交直流配网中EV充电桩充放电计算结果如图6所示。交直流混合配电网中各节点的EV充放电规律大体上比较一致。根据EV的日内分布规律，在18时到次日7时之间为大部分EV连接到充电桩参与充放电的时段，在这期间根据分时电价的不同，EV分别响应不同充放电模式，因此进行充放电的时段有明显区分。参与有序充电的EV将其充电负荷转移到0-7时段，将会极大地促进配电网对凌晨低谷期电能的消纳利用，并积极为配电网在负荷高峰期补充额外电能。

为验证提出的鲁棒优化模型的效果，在上述确定性场景下配电网运行分析算例4的基础上，考虑风、光出力与交直流负荷不确定性的鲁棒调度，设置为算例6。电力负荷和风光出力的不确定性区间分别考虑为其均值的10％和20％，不确定性预算均设定为24，并且违反安全阈值ε设置为0.001MWh，即保证配电网在算例中考虑到的任何不确定性场景中都能安全稳定运行。在算例6的基础上，设置算例7，考虑电力负荷的预测误差区间不变，风光出力预测值的最大不确定性偏差为其均值的40％，不确定性预算均设定为24，算例4、6-7的中运行成本与部分成本如表1。

表1算例4、6-7的运行成本

对比确定性优化结果与鲁棒优化结果，增加了燃气机组的运行成本，减少了主网购电成本。从算例4和算例6-7结果可以看出，为满足配电网运行的安全性要求，随着不确定性程度的增加，配电网将更多地利用燃气机组发电，于是增加了燃气机组的出力值，减少了主网购电量。为满足更高的安全性要求，会牺牲部分的经济性。因此，鲁棒优化调度结果更保守，在此方法下，算例6-7运行总成本会比确定性场景下的算例4总成本更高。

在低碳性方面，由于燃气机组的单位碳排放强度要低于主网中的火电机组的碳排放强度，在鲁棒优化算例中燃气机组出力替换部分主网购电量后，会降低碳交易成本，如表1中，从算例4到算例6减少了76.4元。而对比算例6-7，算例7中机组运行成本增加了，但碳交易成本几乎没有变化，是由于在鲁棒优化中为满足安全性，需要燃气机组在某些时段保持运行，但考虑到实时电价的经济性，并没有有功出力。算例6中机组运行时段为17-22，算例7中机组运行时段为15-22。在表1不同算例中，EV放电补偿与EV碳交易几乎没有变化，可见在这几种场景下配电网与EV的充放电功率交换安排在整体上的变化不大，不影响配电网运行的安全性。对于系统运行所要求的经济性、低碳型与安全性，难以始终同时被满足，但可以通过调节设定的不确定性相关参数实现给定场景下的安全低碳性与经济性。

综上，本发明实施例，在同时考虑电动汽车碳配额交易、EV响应配电网的V2G服务等因素时能更好地减小配电网总负荷的峰谷差，实现“削峰填谷”；受配电网中分时电价、线路网损、VSC功率容量及新能源装机容量等因素限制，系统总成本并不始终随EV数量增长而保持经济最优，可以改进源网荷分布以扩大EV规模；电动汽车的充放电过程可以与新能源机组调度进行协调互动，这对能源部门节能减排等方面有着积极的影响与作用，同时碳交易价格对EV的充放电调度也有一定的影响；考虑不确定性的运行因素进行鲁棒优化调度，提升了系统运行的安全性，可降低系统低碳运行成本。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。